Titelaufnahme

Titel
Finanzanlageentscheidungen am Deutschen Aktienmarkt anhand moderner Clusteranalyseverfahren zur Portfoliobildung / Lercher Hannes
Verfasser/ VerfasserinLercher, Hannes Josef
Begutachter / BegutachterinKellerer Johann
Erschienen2010
Umfang136 Bl. : Zsfassung ; graph. Darst.
HochschulschriftGraz, Univ., Masterarb., 2010
Anmerkung
Zsfassung in engl. Sprache
SpracheDeutsch
DokumenttypMasterarbeit
Schlagwörter (GND)Deutschland / Aktienmarkt / Kapitalanlage / Cluster-Analyse / Deutschland / Aktienmarkt / Kapitalanlage / Cluster-Analyse / Online-Publikation
URNurn:nbn:at:at-ubg:1-22102 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Finanzanlageentscheidungen am Deutschen Aktienmarkt anhand moderner Clusteranalyseverfahren zur Portfoliobildung [1.27 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Eine Möglichkeit, um Strukturen innerhalb einer Datenmenge aufzudecken, besteht in der Anwendung der Clusteranalyse. Unter einer Clusteranalyse wird ein strukturentdeckendes, multivariates Analyseverfahren zur Ermittlung von Gruppen von Objekten mit ähnlichen Eigenschaften verstanden (Everitt, 1993). Das Ziel dieser Arbeit ist es, die Eigenschaften unterschiedlicher Clusteranalysemethoden auszunutzen, um relevante Informationen für eine Anlageentscheidung am Deutschen Aktienmarkt zu erhalten. Es wird gezeigt, wie ein potenzieller Investor ein gewinnbringendes Portfolio aus historischen Aktiendaten bilden kann. Dabei soll vor allem ein modernes graphentheoretisches Clusterverfahren, TRICLUST (Liu, Nosovskiy und Sourina, 2008), aufgrund seiner speziellen Eigenschaften zur Anwendung kommen. Im Theorieteil der Arbeit werden drei Vertreter aus unterschiedlichen Gruppen von Clusteranalysemethoden vorgestellt (hierarchische Verfahren, K-Means, DBSCAN) und mit zwei modernen graphentheoretischen Verfahren (AUTOCLUST, TRICLUST) vergleichend diskutiert. Im praktischen Teil der Arbeit wird die Anlageentscheidung mittels clusteranalytischer Portfoliobildung durchgeführt. Die fünf Clusterverfahren werden auf die Merkmale Total Investment Return und Volatility angewandt. Die historischen Aktiendaten stammen aus der Datenbank DATASTREAM von Thomson Reuters. Die Portfoliobildung wird nach zwei unterschiedlichen Auswertungsvarianten durchgeführt. Variante 1 bezieht sich auf Basisdaten des Jahres 2009, wohingegen Variante 2 Basisdaten aus den Jahren 2007 und 2009 berücksichtigt, um auch etwaige historische Trends und Kursentwicklungen in die Clusteranalyse mit einfließen zu lassen. Ein Performancevergleich der erstellten Aktienportfolios im Zeitraum 01.01.2010 bis 31.05.2010 am Deutschen Aktienmarkt macht deutlich, dass eine Anlageentscheidung unter zu Hilfenahme der Clusteranalyse einen Informationsgewinn für den Investor generiert und zu einer erfolgreichen Veranlagung führen kann.

Zusammenfassung (Englisch)

One way to identify structures within a data set is to use cluster analysis. The goal of cluster analysis is to find groups of similar items which share common characteristics (Everitt, 1993). The aim of this master thesis is to make use of these special properties of cluster analysis to receive relevant information for an investment decision on the German stock market. It will be shown how a potential investor can build up a profitable portfolio from historical stock data. For this purposes, a modern graph-based clustering algorithm, TRICLUST (Liu, Nosovskiy and Sourina, 2008), is expected to outperform other clustering methods because of its special characteristics. In the theoretical part three representatives from different groups of clustering techniques (hierarchical methods, K-Means and DBSCAN) will be compared to two modern graph-based methods (AUTOCLUST and TRICLUST). In the practical part, the financial investment decisions on the German stock market by means of modern cluster analysis techniques to build up portfolios are implemented. Therefore the five clustering methods are applied to the features Total Investment Return and Volatility. This historical stock data comes from the database DATASTREAM by Thomson Reuters. The portfolio selection process is done by two different evaluations. The first one refers to basic data of the year 2009, whereas the second one refers to basic data from the years 2007 and 2009 in order to take historical trends or price movements into account. A performance evaluation of the stock portfolios during the period 01/01/2010 till 5/31/2010 on the German stock market is done and it shows that this financial investment decision by means of modern cluster analysis techniques can generate a gain of information which leads to a successful investment.